Panda 开源项目教程
1. 项目介绍
Panda 是一个由 comma.ai 开发的开源项目,旨在为汽车提供一个通用的接口,使得开发者能够轻松地与车辆的电子控制单元(ECU)进行通信。Panda 项目提供了一个硬件设备和相应的软件库,使得开发者可以在不同的汽车上实现各种功能,如数据记录、车辆诊断和自动驾驶辅助系统等。
Panda 的核心是一个硬件设备,它通过 OBD-II 接口与车辆连接,并通过 USB 或 Wi-Fi 与用户的计算机或移动设备通信。Panda 设备支持多种协议,包括 CAN、LIN 和 K-Line,使得它能够与大多数现代汽车兼容。
2. 项目快速启动
2.1 环境准备
在开始之前,请确保你的开发环境已经安装了以下工具:
- Python 3.x
- Git
- pip
2.2 克隆项目
首先,克隆 Panda 项目的代码库到本地:
git clone https://github.com/commaai/panda.git
cd panda
2.3 安装依赖
进入项目目录后,安装所需的 Python 依赖:
pip install -r requirements.txt
2.4 编译固件
Panda 设备需要特定的固件才能正常工作。你可以使用以下命令编译并上传固件到 Panda 设备:
cd board
make
make upload
2.5 运行示例代码
Panda 项目提供了一些示例代码,帮助你快速上手。以下是一个简单的示例,用于读取车辆的 CAN 总线数据:
from panda import Panda
# 初始化 Panda 设备
panda = Panda()
# 连接到车辆
panda.connect()
# 读取 CAN 数据
while True:
can_data = panda.can_recv()
for msg in can_data:
print(f"CAN ID: {msg[0]}, Data: {msg[2]}")
3. 应用案例和最佳实践
3.1 数据记录
Panda 可以用于记录车辆的实时数据,这对于车辆诊断和性能分析非常有用。你可以使用 Panda 读取 CAN 总线上的数据,并将其存储到文件中。
3.2 自动驾驶辅助
Panda 可以与自动驾驶软件结合使用,提供车辆状态的实时反馈。例如,你可以使用 Panda 读取车辆的转向角度、车速等信息,并将其传递给自动驾驶算法。
3.3 车辆诊断
Panda 可以用于读取车辆的故障码,并提供详细的诊断信息。这对于车辆维修和保养非常有帮助。
4. 典型生态项目
4.1 openpilot
openpilot 是一个开源的自动驾驶辅助系统,由 comma.ai 开发。它使用 Panda 设备与车辆通信,并提供车道保持、自适应巡航控制等功能。
4.2 Cabana
Cabana 是一个用于可视化和分析 CAN 数据的工具。它与 Panda 设备配合使用,可以帮助开发者更好地理解车辆的通信协议。
4.3 Chffr
Chffr 是一个行车记录仪应用,使用 Panda 设备记录车辆的行驶数据。它可以将数据上传到云端,并提供详细的行车报告。
通过以上教程,你应该能够快速上手 Panda 项目,并开始开发自己的应用。如果你有任何问题,可以参考项目的 GitHub 页面或社区论坛,获取更多帮助。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
Spark-Prover-X1-7BSpark-Prover-X1-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer-X1-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile015
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00